31/08/2026
你擔心被 AI 取代, 飯碗不保嗎?
身為口譯, 最近不時聽到一樣從事語言工作的翻譯者 (筆譯, 文字工作) 提到流失老客戶或接單量大不如前的擔憂, 想當然耳, 大家口中的罪魁禍首 (或程咬金) 就是功力愈來愈強大的 AI.
下面這篇文章大概是目前讀過, 最能讓擔心自己的工作 (任何行業) 被 AI 搶走的人士的一個灌頂醍醐. (放在這裡也是讓身為口譯的自己隨時回來這裡看看想想.)
https://www.facebook.com/share/p/1CNdMgAEYo/
看不少譯者說，現在 post-editing 的案子越來越多，譯者的工作越來越少，費率甚至變差。多數人對這件事的理解是因為 AI 變強，所以譯後編輯的案子變多。這個理解沒錯，只是無法幫我們判斷下一步。我想換一個角度：不是問 AI 有多強，而是問 #翻譯這個工作本身的性質是什麼，以及可以怎麼因應。
這裡我想借用 Dave Snowden 在 1999 年提出的 Cynefin framework 來談這件事，內容可能稍微枯燥，但小編覺得這個架構很棒，值得記下來，以後遇到問題都可以試著這樣分析。 Cynefin framework 是用來判斷你面對的問題屬於哪一類問題，並強調不同性質的問題需要不同的應對方式。
Cynefin framework 有四個主要的域：
（清晰域）：指因果關係存在、可重複、有共識的領域。面對屬於這個領域的問題，作法是感知（了解現況）、歸類、依既定規則回應。這裡牽涉的規則、流程和 checklist，也是機器最擅長的領域。
（繁雜域）：在這個領域裡，因果關係存在但不明顯，需要專業知識才看得見。這裡是分析、專業判斷、內行人才能勝任的領域。這個領域的問題可能有好幾個作法，到底要選哪一個需要靠經驗。機器可以處理資料、找出相關性、提供選項，但最後的判斷要由人來做。
（複雜域）：在這個領域裡，因果關係只能事後看才清楚，模式是人類與環境互動後才湧現出來，不是事前就可以分析出來。此外，以前有效的事情，這一次不一定有效。面對這類問題，作法是探測、感知、回應，也就是先做小規模的嘗試，看系統怎麼回應，再進一步放大有效的。
（混沌域）：在這個領域裡，沒有可以辨識的因果關係，如果堅持必須拿到資料、做好分析才採取行動，事情會變得更糟。因此，置身此域必須先行動、建立秩序，再開始理解。處在混沌域的代價很高且無法持續，我們的目標是盡快離開這裡。
圖中間還有一個域 Confusion/Aporia：Confusion 是你不知道自己在哪一域，這是很糟糕的狀態，你要趕快離開這種狀態。至於 Aporia 則是刻意保持在不確定的狀態，目的是能夠對環境產生新的理解。後面會回來談 Aporia。
如果以產值來看，商業翻譯的主體是技術、醫療、法律這一類的文件，這類工作有一個特徵：有正確答案，答案可以查證，需要專業知識，但因果關係是可知的。
術語有標準，語域有規範，句構有慣例，錯了可以指出來，對了可以驗證。譯者的價值在於他知道別人不知道的東西，在幾個都通順的譯法裡選出最適合這份文件、這個客戶、這個用途的那一個。這正是 Complicated，不是 Complex。工程師、律師、會計師、醫師等等專家吃香的領域，都是在處理 Complicated 的問題。
Complicated 域的知識有一個特性，它可以說出來、寫下來、編成規則，而一旦規則被編完，它就不太需要專家了。本來屬於這個領域的問題，於是掉到 Clear 領域，越來越能夠交給流程和機器執行。
在過去，這個從 Complicated 掉到 Clear 的過程很慢。要把一位資深譯者腦袋裡的判斷變成規則，需要靠他們寫風格指南、建術語庫、整理慣例、累積翻譯記憶等等，而大多數專業判斷根本難以用語言文字言說。這個瓶頸讓專家稱霸 Complicated 域很久。
但大型語言模型（LLM）開始攻克這個瓶頸。它不需要譯者說明自己怎麼判斷語域、怎麼處理長句、怎麼在三個都通順的譯法裡選一個。它直接從人類產出的大量結果來學習。
從這個角度來看，post-editing 的出現並且越來越普遍，其實不是 AI 突然變強的結果，而是域遷移的正常景象（域遷移是 Snowden 談到非常重要的現象）。翻譯工作還在，甚至產值還在增加，但它已經漸漸不在 Complicated 領域了，而是往 Clear 走，而價格（價值）會跟著域移動，不是跟著勞力付出的程度移動。
但是，目前並非所有東西都往 Clear 移動，仍然留在 Complicated 領域的是需要有人具名承擔後果的判斷。以翻譯來說，例如藥品仿單譯錯的責任、契約條款誤譯的求償、法庭文件的可採性、財報數字的法律效力。
這些東西之所以留得下來，主因不是機器翻不出來，而是因為機器無法被問責。這個差異很重要，因為它告訴你該把專業放在哪裡：不是往「我翻得比較好」去，而是往「如果錯了，由我負責」走。責任是人類才能提供的東西，而且它有價格（價值）。
大部分的專家，包括譯者，我們的工作內容大部分在 Complicated（正在往 Clear 移動）。但是， 。
現在最常聽到大家在問：「 ？」但這是 Complicated 的問法，它預設某個地方有正確答案，有個專家知道這個答案，我只要找到他、去上他的課、去學某個工具，問題就解決了。
但產業轉型這個問題本身屬於 Complex，因為因果關係要事後才看得清楚，模式是在互動中湧現，沒有人真的知道三年後哪些東西有價值。在複雜域裡追問「正確答案是什麼」，本身就搞錯了自己目前在哪一個域，而誤判自己身處哪一域，正是 Snowden 反覆提醒的失敗模式。
面對複雜域裡的問題，其實有很具體的因應方式：
一、 #用安全試錯取代規劃。同時跑幾個小規模、低成本、失敗了不會傷筋動骨的嘗試。接一個沒做過的領域的小案、用自己的專業寫點東西看有沒有人回應、試一種不同的收費結構、跟某些從沒合作過的客戶談一次。重點是同時跑好幾個，而且每一個都小到失敗無所謂。不是先想清楚再全力投入，是行動之後才可能看清楚。
二、 #放大有效的， #收掉無效的。置身在 Complex 域無法仰賴預測（因為根本無法預測），而是要靠回饋。哪一個嘗試得到了你沒想到的正面回應，就往那裡多投一點。至於沒反應的就停掉，不要因為投入過了而捨不得。你需要的是看環境回饋給你的訊號，而不是堅持執行原本的計畫。
三、 #容忍不確定性。這是最難的一項。機器在既定的約束裡最佳化，它很擅長這件事，而人真正不可取代的是能夠退一步、質疑前提、重新詮釋訊號，判斷「我現在到底在什麼情況裡」。
Snowden 用 Aporia（圖中央的 A）這個詞來稱呼這種刻意保持的不確定，那種還沒有答案、但也不急著要答案的狀態。這種狀態讓人不舒服，所以多數人會急著抓一個答案來止痛，隨便哪一個都好。但在複雜域裡，過早的確定比不確定更危險。
最近小編身邊很多人在問「 」，但這個問法本身就是錯的，更重要的是更基本的事情：該培養的是判斷自己身處哪一種情境，並在環境仍不確定的時候，有辦法用試錯去換取理解，並據此產生真正能夠因應環境的行動。
